精准精神病学：从经验主义到数据驱动的范式转变
想象一下十年后的精神科诊疗场景：医生不仅询问你的情绪、工作和人际关系，还会调取你手机记录的睡眠模式与语音生物识别数据，结合血液检测结果或脑部扫描影像，甚至分析你邮政编码所对应的社区环境污染水平。一个算法将上述多维信息与海量人群数据进行比对，从而确定哪种治疗方案对与你生理及社会特征相似的群体最为有效。
这一愿景被称为“精准精神病学”（Precision Psychiatry）。尽管现代医学科学取得了显著进步，但当前的精神病学实践仍被批评为缺乏精确性。传统模式下，医生主要依据症状和病史进行诊断与处方。然而，心理健康诊断范围广泛且界限模糊，同一种疗法可能对一名患者产生变革性影响，而对另一名患有相同疾病的患者却收效甚微。这导致许多精神疾病患者陷入反复更换药物和剂量的循环，苦苦寻找有效的治疗手段。
为改善这一现状，精神病学家正致力于将宽泛的诊断类别细分为更具临床意义的亚组，并利用数据驱动方法实现个体化治疗匹配。部分研究人员聚焦于基因与大脑回路，另一些则转向分析对话内容、睡眠数据或社会环境因素。作为该领域的主导分类系统，《精神疾病诊断与统计手册》（DSM）也在探讨如何在未来纳入社会经济、文化及环境维度。
美国国家心理健康研究所（NIMH）前主任、现任多家心理健康初创公司联合创始人的汤姆·因塞尔（Tom Insel）表示：“我认为精准精神病学无疑是未来的方向之一。我们的目标是能够从一开始就明确告知患者：你需要这种治疗，这是目前最适合你的方案。”
然而，部分临床医生持保留意见，认为个性化方法尚未得到充分验证。在遗传学、脑成像和生物标志物研究方面，精神病学虽有所进展，但常伴随过度乐观的预测。正如业内所言：“精神病学总有一种‘白骑士’骑白马降临解决所有问题的模型，但我们已多次经历失望。”
诊断分类的精细化挑战
个性化精神病学并非全新概念。数十年来，该领域一直试图提升诊断与治疗的精度。1980年发布的《DSM-III》引入了特定诊断标准，旨在提高可靠性，确保重度抑郁症或精神分裂症的诊断在不同患者间具有一致性。
但依赖症状定义的DSM体系带来了复杂性。同一症状可能出现在多种疾病中，患者往往拥有多个共病诊断，而两位确诊相同疾病的人表现出的症状可能截然不同。以重度抑郁症为例，符合DSM标准需在两周内出现至少5种核心症状（包括情绪低落或兴趣丧失），其余可选症状涵盖失眠或嗜睡、体重变化、无价值感及自杀念头等。哈佛医学院精神科医生维克拉姆·帕特尔（Vikram Patel）指出：“两个人可能拥有完全相同的诊断标签，但内在机制迥异。”
2000年代末，研究人员开始质疑基于类别的疾病划分是否为最佳路径。NIMH曾推出“研究领域标准倡议”（RDoC），试图超越传统类别，转而测量奖励、恐惧和认知等跨诊断界限的过程。该计划推动了针对疾病潜在机制的研究，但其初衷并非取代基于症状的诊断系统，也未提供选择个人治疗方法的可靠途径。
另一种提升精度的思路是更严格地量化症状和行为。例如，评估偏执型精神病时，人类专家通过倾听判断特质，但这不可避免地引入主观性。相比之下，机器学习系统可以客观、可重复地分配分数，如判定某人的偏执症得分为6.1，连贯性水平为2.2。
数字表型与隐私困境
波士顿贝斯以色列女执事医疗中心及哈佛医学院精神科医生约翰·托鲁斯（John Torous）正在研究“数字表型”（Digital Phenotyping）。这一概念诞生于十年前，研究者提出利用智能手机内置传感器持续监测身体活动、沟通行为等，从而提供诊断信息。
小规模研究已发现双相情感障碍患者的抑郁与躁狂症状与活动水平存在关联，以及精神分裂症患者位置数据与症状严重程度之间的联系。然而，将这些数据转化为临床应用面临巨大障碍。托鲁斯指出，医学教育未培训临床医生解读此类信息，且缺乏使用这些数据的标准和协议。“从这个意义上说，我们仍处于早期阶段。”
人工智能有望通过分析多源数据流，将其整合为有用的临床信息。但该方法涉及严重的隐私问题：个人的位置、移动、睡眠和通信数据包含私密信息，甚至可用于身份识别。此外，今年发表的一项系统性审查发现，数字表型研究在设备和分析方法上差异巨大，限制了其可复制性和临床转化潜力。
生物标志物的探索与现实距离
深入生物学层面被视为另一条通往精准医疗的路径。随着遗传学和神经科学的进步，研究人员希望借此将宽泛的精神综合征划分为不同的疾病实体。肯德勒（Kendler）认为，近一个世纪前生物学洞察帮助糖尿病被分为两种类型，心理健康状况也可能经历类似的细分过程。
遗传学已产生最具前景的潜在生物标志物之一。通过全基因组关联研究（GWAS），科学家分析了成千上万精神分裂症患者的基因组，识别出增加风险的基因变异。对于大多数健康状况，易感性源于众多微小效应变体的叠加，即“多基因风险评分”。肯德勒称，精神分裂症多基因风险分布顶端的人群，患病风险可能增加约十倍；公布的估计显示，前1%的高风险人群风险约为普通人群的6倍。但该评分无法预测具体谁会发病。
“现阶段，我会因为获得这个评分而立即改变诊断策略吗？不会。”肯德勒表示。他预计五到十年内，区分精神分裂症和双相情感障碍的评分可能在疑难病例的治疗中发挥作用。
研究人员还探索了激素和代谢物水平作为生物标志物的可能性，但肯德勒指出这些指标“几乎总是”缺乏特异性，难以将群体间的平均生物学差异转化为个体测试。脑部成像也面临类似挑战。尽管MRI研究报告了大量大脑特征与精神症状的关联，但许多结果难以复制。2022年一项针对约5万人的分析发现，行为或心理健康特征与大脑结构或功能差异之间的关联，远小于此前研究所提示的水平。
纽约西奈山伊坎医学院神经科医生海伦·梅伯格（Helen Mayberg）认为，若提出足够具体的问题，扫描仍可提供临床有用信息。她耗时数十年绘制与抑郁相关的大脑回路图，重点关注连接大脑两侧的胼胝体纤维。在一项研究中，研究人员对122名抑郁症患者进行功能性MRI扫描，并随机分配至接受12周认知行为疗法或同期抗抑郁药物治疗的两组。结果显示，根据治疗反应不同，下扣带回与其他三个大脑区域之间的连接模式存在显著差异：心理治疗有效而药物无效者表现出一种模式，反之则表现为另一种。梅伯格指出：“基线扫描实际上有助于做出治疗决定。”
然而，从潜在生物标志物到常规临床检测仍有相当长的距离。梅伯格坦言，她多次被告知：“没有人会为了决定如何治疗一个人而去做脑部扫描。”
